如何在DataFrame列中搜索字符串并创建条件判断新列

没问题，我来帮你搞定这两个需求！咱们从你的示例数据出发，一步步实现。

首先，先把你的示例DataFrame整理得更清晰，给列加上名字方便后续操作：

import pandas as pd

# 创建示例DataFrame并指定列名
df = pd.DataFrame([['USDCAD exotic option', -100], ['USDSGD vanilla option', -20]],
                  columns=['Product', 'Value'])

需求一：在列中搜索指定字符串 #

要在DataFrame的列中筛选包含特定字符串的行，Pandas的str.contains()方法是最直接的选择。它支持忽略大小写匹配，让你的搜索更鲁棒。

比如，筛选包含"exotic"的行：

# 忽略大小写搜索包含"exotic"的行
exotic_rows = df[df['Product'].str.contains('exotic', case=False)]
print(exotic_rows)

筛选包含"vanilla"的行同理：

vanilla_rows = df[df['Product'].str.contains('vanilla', case=False)]
print(vanilla_rows)

需求二：创建新列标记Vanilla/Exotic #

我们可以用NumPy的np.where()函数实现矢量化的条件判断，这种方法效率很高，适合处理大数据集。如果产品名称包含"vanilla"就标记为Vanilla，包含"exotic"就标记为Exotic，其余情况可以标记为Unknown（可选）。

import numpy as np

# 创建新列"Type"，根据Product列的内容标记类型
df['Type'] = np.where(
    df['Product'].str.contains('vanilla', case=False),
    'Vanilla',
    np.where(
        df['Product'].str.contains('exotic', case=False),
        'Exotic',
        'Unknown'  # 可选：处理既不是vanilla也不是exotic的情况
    )
)

print(df)

运行后你会得到这样的结果：

Product  Value     Type
0  USDCAD exotic option   -100   Exotic
1  USDSGD vanilla option    -20  Vanilla

如果你需要更灵活的逻辑（比如复杂的字符串匹配规则），也可以用apply()方法自定义函数：

def get_option_type(product):
    product_lower = product.lower()
    if 'vanilla' in product_lower:
        return 'Vanilla'
    elif 'exotic' in product_lower:
        return 'Exotic'
    else:
        return 'Unknown'

df['Type'] = df['Product'].apply(get_option_type)

这种方法可读性强，但效率不如矢量化的np.where()，适合小数据集或者逻辑复杂的场景。

内容的提问来源于stack exchange，提问作者Ben H